在激烈的市场竞争环境下,产品质量水平已成为影响企业竞争力的关键因素,而工序质量是形成产品最终质量的关键。在先进制造模式下,如何有效地提高工序质量成为当前产品质量控制领域的研究热点。本文以提高企业的工序质量控制的能力,完善企业的质量管理为目的,对工序质量控制进行了深入的研究,并结合当今制造业面临的多品种、小批量生产模式,提出了基于多品种、小批量的动态工序质量控制的解决方案,并对该方案进行了系统、深入的理论及应用研究。本文主要完成了以下几个方面的研究：分析了多品种、小批量生产模式的主要特点,并结合动态工序质量控制的现状及需求,提出了一种适用于多品种、小批量生产模式下的动态工序质量控制方法,构建了动态工序质量控制方法的体系结构及基本流程,包括从工序质量预防——分析——诊断——调整的整个过程。在研究SPC控制图、数理统计、工序过程能力指数等方法的基础上,建立了面向多品种、小批量的动态工序质量分析模型。提出了改进的统计数据变换算法,通过该算法结合相似工序数据来扩充样本数据容量来建立控制图,并对控制图的控制界限进行了变换,实现了多品种、小批量产品的动态工序质量分析,解决了将传统的SPC控制图应用在多品种、小批量生产条件下生产数据量不足和工序质量分析实时性、动态性不强的问题。通过研究人工神经网络理论及其应用领域,提出了使用人工神经网络来对异常模式控制图进行识别,构建了6种特殊异常模式控制图的识别网络,并使用Matlab对该网络进行训练及仿真分析,用实例验证了使用人工神经网络对控制图进行识别的可行性。开发了基于多品种、小批量生产模式下的动态工序质量控制系统,解决了现有的质量管理系统分析能力弱、处理速度慢、实时动态性不强的问题。论文最后总结全文的工作,并对以后的研究方向进行了展望。